如何在sklearn中的randomforest中获得决策函数
我正在使用以下代码，通过 gridsearchcv 获取 randomforest 的优化参数. x_train，x_test，y_train，y_test = train_test_split(X，y，random_state = 0)rfc = RandomForestClassifier(random_state = 42，class_weight ='balanced')param_g
..
grid-search相关内容
如何使用GridSearchCV获得所有模型(每组参数一个)?
据我了解: best_estimator _ 为评估者提供最高分； best_score _ 提供所选估算器的分数； cv_results _ 可能被利用来获取所有估计量的分数. 但是，我不清楚如何获得估算器本身. 解决方案 据我所知，您不能.但是，您可以做的是从 best_params _ 中获取最佳参数组合，并使用相同的参数再次拟合模型.查看 GridSearchCV 的
..
sklearn grid.fit(X，y)-错误:X_train，y_train的“位置索引器超出范围"
这是一个有关Python 2.7中的scikit学习(版本0.17.0)以及熊猫0.17.1的问题.为了分割原始数据(不丢失条目)，请使用详细的方法 注意:对我来说，重要的是将 X 和 y 保留为Pandas数据结构，这与上述其他stackoverflow问题中介绍的第二种方法类似.即，我不想使用 X.values 和 y.values . 问题:使用原始数据作为Pandas数据结构(
..
ValueError:不支持连续
我正在使用GridSearchCV进行线性回归(不是分类器或逻辑回归)的交叉验证. 我也使用StandardScaler对X进行归一化 我的数据框具有17个特征(X)和5个目标(y)(观察).约1150行 我不断收到ValueError:不支持Continuous的错误消息，并且用完了所有选项. 下面是一些代码(假设所有导入均正确完成): soilM = pd.read_
..
在scikit-learn中结合使用递归特征消除和网格搜索
我正在尝试在scikit-learn中结合使用递归特征消除和网格搜索.从下面的代码可以看到(有效)，我能够从网格搜索中获得最佳估计器，然后将该估计器传递给RFECV.但是，我宁愿先执行RFECV，然后再进行网格搜索.问题是当我将选择器从RFECV传递到网格搜索时，它并没有接受它: ValueError:估算器RFECV的无效参数引导程序 是否可以从RFECV中获取选择器并将其直接传递给
..
为什么GridSearchCV模型结果与我手动调整的模型不同?
这是我在这里的第一个问题，希望我做对了， 我正在研究在kaggle上很流行的泰坦尼克号数据集，如果您想检查数据科学框架:实现99％的准确性 第5.2部分介绍了如何进行网格搜索和调整超参数.让我对您的问题特别了解之前，先与您分享相关代码； 这正在使用GridSearchCV调整模型: cv_split = model_selection.ShuffleSplit(n_split
..
使用类权重进行网格搜索和KerasClassifier
我正在尝试使用 scikit-learn 进行网格搜索RandomizedSearchCV函数与 Keras KerasClassifier包装器一起解决了我不平衡的多类分类问题.但是，当我尝试提供class_weight作为输入时，fit方法给我以下错误: RuntimeError: Cannot clone object
..
使用管道和网格搜索执行特征选择
作为研究项目的一部分，我想选择预处理技术和文本功能的 best 最佳组合，它们可以优化文本分类任务的结果.为此，我使用的是Python 3.6. 有很多方法可以将特征和算法结合起来，但是我想充分利用sklearn的流水线，并使用网格搜索的最终特征组合来测试所有不同的(有效)可能性. 我的第一步是建立一个如下所示的管道: # Run a vectorizer with a pred
..
使用嵌套在GridSearchCV中的RFECV时，如何避免使用estimator_params?
我目前正在使用scikit-learn在基于树的方法的网格搜索(GridSearchCV)中研究递归特征消除(RFECV).为此，我使用的是GitHub(0.17)上的当前开发版本，该版本允许RFECV使用树方法中的功能重要性来选择要丢弃的功能. 为清楚起见，这意味着: 在超参数上循环使用当前树方法 对每组参数执行递归特征消除以获得最佳特征数 报告“分数"(例如准确性) 确定哪一
..
RandomForestRegressor和feature_importances_错误
我正在努力从我的RandomForestRegressor中提取功能的重要性，我得到了: AttributeError:"GridSearchCV"对象没有属性 'feature_importances _'. 谁知道为什么没有属性?根据文档，应该存在此属性吗? 完整代码: from sklearn.ensemble import RandomForestRegressor
..
网格搜索具有多个输入的Keras
我正在尝试对我的超参数进行网格搜索，以调整深度学习架构。我对该模型有多个输入选项，并且正在尝试使用sklearn的网格搜索API。问题是，网格搜索api仅将单个数组作为输入，并且在检查数据大小维度时代码失败。（我的输入维度是5 *数据点数，而根据sklearn api，它应该是数据点数*功能尺寸）。我的代码如下所示： from keras.layers import串联，重塑，输入，嵌入，
..
将GridSearchCV与AdaBoost和DecisionTreeClassifier一起使用
我正在尝试使用DecisionTreeClassifier（“ DTC”）作为base_estimator来调整AdaBoost分类器（“ ABT”）。我想同时调整两者和ABT参数，但不确定如何实现-管道不起作用，因为我没有将DTC的输出“管道”到ABT。这个想法是在GridSearchCV估计器中迭代ABT和DTC的超参数。 如何正确指定调整参数？ 我尝试了以下操作，这在下面产生了错
..
获取GridSearchCV的标准差
在scikit学习0.20之前，我们可以使用 result.grid_scores_ [result.best_index _] 来获取标准偏差。 （例如：平均值：0.76172，标准：0.05225，参数：{'n_neighbors'：21} ） 在scikit-learn 0.20中获得最佳分数的标准偏差的最佳方法是什么？ 解决方案 在较新的版本中， grid_scores _
..
在GridSearchCV和RandomizedSearchCV中获取单个模型和自定义分数
GridSearchCV 和 RandomizedSearchCV 具有 best_estimator _ ： / p> 仅返回最佳估算器/模型 通过一种简单的评分方法找到最佳估算器：准确性，召回率，精度等。 仅基于训练集进行评估 我想通过 我自己的评分方法定义 进一步评估测试集，而不是像GridSearchCV那样进行训练。最终，至关重要的是测试仪的性能。训练集倾向于在G
..
Python-带有GridSearchCV的LightGBM永远运行
最近，我正在做多个实验来比较Python XgBoost和LightGBM。似乎这个LightGBM是一种新算法，人们说它在速度和准确性上都比XGBoost更好。 这是 LightGBM GitHub 。 这是 LightGBM python API文档，在这里您将查找可以调用的python函数。可以从LightGBM模型直接调用它，也可以由LightGBM scikit-learn调用。
..
Scikit-结合比例尺和网格搜索
我是scikit的新手，结合数据缩放和网格搜索有2个小问题。 高效缩放器 考虑使用Kfolds进行交叉验证，我希望每次我们在K-1折叠上训练模型时，数据缩放器（使用预处理例如。StandardScaler（）仅适合K-1折叠，然后应用于其余折叠。 我的印象是，以下代码将适合整个数据集上的缩放器，因此我想将其修改为先前描述的行为： classifier = svm.SVC（
..
在SciKit-Learn中使用交叉验证与XGBoost进行网格搜索和提前停止
我对sci-kit学习还很陌生，并且一直在尝试对XGBoost进行超参数调整。我的目标是使用早期停止和网格搜索来调整模型参数，并使用早期停止来控制树的数量并避免过度拟合。 当我在网格搜索中使用交叉验证时，我希望在早期停止条件中也使用交叉验证。到目前为止，我拥有的代码如下： import numpy as np import pandas as pd 从sklearn导入mode
..
从GridSearchCV检索特定的分类器和数据
我正在使用以下代码在服务器上运行Python 3分类脚本： ＃为转换后的数据定义knn分类器 knn_classifier = neighbors.KNeighborsClassifier（） ＃定义KNN参数 knn_parameters = [{ 'n_neighbors'：[1、3、5、7、9、9， 11]， 'leaf_size'：[5、10、15、20、25、30、35、4
..
带有多个重复的scikit-学习GridSearchCV
我正在尝试为SVR模型获取最佳的参数集。 我想在 C 的不同值上使用 GridSearchCV 。 但是，从以前的测试中，我注意到将训练/测试集分为两个部分会影响整体性能（在本例中为r2）。 为了解决这个问题，我想实施重复的5倍交叉验证（10 x 5CV）。是否有使用 GridSearchCV 进行构建的内置方法？ 快速解决方案： 遵循sci-kit中提出的想法官方文档，则快速解
..
pyspark:在网格搜索为空后获得最佳模型的参数{}
有人可以帮助我从网格搜索中提取性能最佳的模型参数吗?由于某种原因，它是一本空白的字典. from pyspark.ml.tuning import ParamGridBuilder, TrainValidationSplit, CrossValidator from pyspark.ml.evaluation import BinaryClassificationEvaluator tr
..